【技术实现步骤摘要】
本专利技术涉及异物监测，尤其涉及一种基于异源数据的轨道异物监测方法、系统、设备及介质。
技术介绍
1、城市轨道线路，特别是地面及高架场景，存在异物侵入轨道、轨行区等风险，严重危及城轨列车运行安全。在线路异物监测及安全监测领域，激光雷达扫描、图像视频识别均为主流的两种重要的监测方法，但现有技术中，仍然存在以下问题：
2、一方面，由于视场问题，采集数据中包含大量背景数据（场景内不影响行车的区域），需手动画定监测区域（轨道、行车区域），以避免背景数据的变化造成检测干扰。
3、另一方面，单一检测技术存在局限性，雷达检测一般存在大量误报检测结果不直观，而既有的图像检测方法一般使用大数据模型识别的方式，由于铁路异物入侵事件发生率不高，大多为模拟样本，对于真实事件往往识别率反而不高，同时对于未出现的异物监测能力将明显降低。
技术实现思路
1、本专利技术的目的是提供一种基于异源数据的轨道异物监测方法、系统、设备及介质，解决现有技术中采集的数据存在背景干扰、且使用单一检测技术实现异物监测的准确率不高的问题。
2、为解决上述技术问题，本专利技术采用的一个技术方案是提供一种基于异源数据的轨道异物监测方法，所述方法包括如下步骤：获取异源数据，所述异源数据包括点云数据和图像数据；根据所述图像数据进行轨面查找，确定目标监测区域；利用所述目标监测区域对所述点云数据进行筛选，获得监测点云集；根据所述监测点云集，进行异常点寻找，获得异常点集；将所述异常点集投影到所述目标监测区域，
3、在一些实施例中，所述图像数据包括实时原始图像，所述对所述图像数据进行轨面查找，确定目标监测区域，包括步骤：识别所述实时原始图像中的轨道特征，获得特征识别结果；根据所述特征识别结果，确定所述实时原始图像中的目标监测区域；其中，所述特征识别结果包括主轨及主轨识别个数，当所述主轨识别个数小于2时，则所述特征识别结果不准确；当所述主轨识别个数大于等于2时，取所述主轨的凸包为目标监测区域。
4、在一些实施例中，所述利用所述目标监测区域对所述点云数据进行筛选，获得监测点云集之前，还包括步骤：求取点云坐标系到图像坐标系的映射矩阵；其中，所述点云坐标系为所述点云数据所在的坐标系，所述图像坐标系为所述图像数据所在的坐标系。
5、在一些实施例中，所述利用所述目标监测区域对所述点云数据进行筛选，获得监测点云集，包括步骤：利用所述投影矩阵，将所述点云数据投影至所述图像数据，得到投影结果；根据所述投影结果，获得所述监测点云集；所述监测点云集包括所述点云数据中所有投影在所述目标监测区域上的特征点。
6、在一些实施例中，所述监测点云集包括激光雷达启动时收集到的初始点云集，以及之后每秒收集到的实时点云集；所述根据所述监测点云集，进行异常点寻找，获得异常点集，包括步骤：选取所述实时点云集中第一实时特征点，分别计算所述第一实时特征点与所述初始点云集中各初始特征点的各向量模长；根据所述各向量模长的大小，判断所述第一实时特征点是否为异常点：若所述各向量模长均大于第一阈值，则所述第一实时特征点为异常点；若所述各向量模长中存在小于等于所述第一阈值的向量模长，则所述第一实时特征点为非异常点；从所述实时点云集中依次选取除所述第一实时特征点之外的其他实时特征点，重复上述步骤，获得所述实时点云集中所有异常点组成的异常点集。
7、在一些实施例中，所述将所述异常点集投影到所述目标监测区域，监测所述目标监测区域中的异物，包括步骤：将所述异常点集投影到所述目标监测区域，进行图像异常确认，获得像素异常点云集合；其中，将所述异常点集中任一异常点投影在所述目标监测区域上对应位置的实时像素，分别与视频回放时每秒获得的多张历史图像中对应位置的历史像素进行色彩比对，计算出所述实时像素和各历史像素之间的各色彩差异；根据所述各色彩差异的大小，判断所述各色彩差异是否均超过第二阈值；若所述各色彩差异均超过所述第二阈值，则确认所述图像数据存在异常。
8、在一些实施例中，在确认所述图像数据存在异常之后，所述将所述异常点集投影到所述目标监测区域，监测所述目标监测区域中的异物，还包括步骤：对所述图像数据进行第一异物识别，所述第一异物识别是指识别所述图像数据中是否存在已知异物种类的第一异物；若识别到所述第一异物，且第一异物位置与所述目标监测区域有交集，则进行告警；若未识别到所述第一异物，或所述第一异物位置与所述目标监测区域无交集，则利用所述像素异常点云集合，对所述目标监测区域进行第二异物识别，所述第二异物识别是指识别所述目标监测区域中是否存在未知异物种类的第二异物；其中，对所述像素异常点云集合进行点云聚类，获得聚类集，所述聚类集可表示为：
9、；
10、其中，表示第 l聚类； cl表示所述第 l聚类中的聚类点个数，若 cl小于20，则认定所述第 l聚类为噪声聚类；若 cl大于等于20，则取所述第 l聚类中所有聚类点的第 l反射率集，以及所述第 l聚类中所有聚类点投影在所述目标监测区域对应位置的第 l像素色彩集；再计算所述第 l反射率集与所述第 l像素色彩集的目标相关性；若所述目标相关性大于等于第三阈值时，则认定所述第 l聚类中所有聚类点投影在所述目标监测区域的对应位置上存在所述第二异物，并进行告警；若所述目标相关性小于第三阈值时，则认定所述第 l聚类中所有聚类点投影在所述目标监测区域的对应位置上不存在所述第二异物，不进行告警。
11、本专利技术还提供一种基于异源数据的轨道异物监测系统，所述系统包括边缘计算终端，所述边缘计算终端包括数据获取单元、监测区域确定单元、点云数据筛选单元、异常点寻找单元和异物监测单元；所述数据获取单元用于获取异源数据，所述异源数据包括点云数据和图像数据；所述监测区域确定单元用于根据所述图像数据进行轨面查找，确定目标监测区域；所述点云数据筛选单元用于利用所述目标监测区域对所述点云数据进行筛选，获得监测点云集；所述异常点寻找单元用于根据所述监测点云集，进行异常点寻找，获得异常点集；所述异物监测单元用于将所述异常点集投影到所述目标监测区域，监测所述目标监测区域中的异物。
12、本专利技术还提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。
13、本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方本文档来自技高网...
【技术保护点】
1.一种基于异源数据的轨道异物监测方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的轨道异物监测方法，其特征在于，所述图像数据包括实时原始图像，所述对所述图像数据进行轨面查找，确定目标监测区域，包括步骤：
3.根据权利要求1所述的轨道异物监测方法，其特征在于，所述利用所述目标监测区域对所述点云数据进行筛选，获得监测点云集之前，还包括步骤：
4.根据权利要求3所述的轨道异物监测方法，其特征在于，所述利用所述目标监测区域对所述点云数据进行筛选，获得监测点云集，包括步骤：
5.根据权利要求1所述的轨道异物监测方法，其特征在于，所述监测点云集包括激光雷达启动时收集到的初始点云集，以及之后每秒收集到的实时点云集；所述根据所述监测点云集，进行异常点寻找，获得异常点集，包括步骤：
6.根据权利要求1所述的轨道异物监测方法，其特征在于，所述将所述异常点集投影到所述目标监测区域，监测所述目标监测区域中的异物，包括步骤：
7.根据权利要求6所述的轨道异物监测方法，其特征在于，在确认所述图像数据存在异常之后，所述将
8.一种基于异源数据的轨道异物监测系统，其特征在于，所述系统包括边缘计算终端，所述边缘计算终端包括数据获取单元、监测区域确定单元、点云数据筛选单元、异常点寻找单元和异物监测单元；
9.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于异源数据的轨道异物监测方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的轨道异物监测方法，其特征在于，所述图像数据包括实时原始图像，所述对所述图像数据进行轨面查找，确定目标监测区域，包括步骤：
3.根据权利要求1所述的轨道异物监测方法，其特征在于，所述利用所述目标监测区域对所述点云数据进行筛选，获得监测点云集之前，还包括步骤：
4.根据权利要求3所述的轨道异物监测方法，其特征在于，所述利用所述目标监测区域对所述点云数据进行筛选，获得监测点云集，包括步骤：
5.根据权利要求1所述的轨道异物监测方法，其特征在于，所述监测点云集包括激光雷达启动时收集到的初始点云集，以及之后每秒收集到的实时点云集；所述根据所述监测点云集，进行异常点寻找，获得异常点集，包括步骤：
6.根据权利要求1所述的轨道异物监测方法，其特征在于，所述将...
【专利技术属性】
技术研发人员：朱丹，李沛遥，王磊，李阳，常祖贤，王列伟，
申请(专利权)人：南京派光智慧感知信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。